[发明专利]一种基于卷积神经网络的宫颈细胞图像识别方法

摘要

本发明公开了一种基于卷积神经网络的宫颈细胞图像识别方法，其特征是，包括如下步骤1）准备训练样本；2）构建卷积神经网络层；（3）构建二分类器；（4）得到识别结果将待测试的宫颈细胞图片输入改进卷积神经网络，改进卷积神经网络自动进行识别、归类。这种方法自动化程度高、自适应能力强，不但能提高宫颈细胞图像识别的效率，而且也能提高宫颈细胞图像识别的准确率。

主权项

一种基于卷积神经网络的宫颈细胞图像识别方法，其特征是，包括如下步骤:1)准备训练样本：(1‑1)读入现有图库中的宫颈细胞图像作为训练样本并分类：将读入的所有的宫颈细胞图像分为正常宫颈细胞训练样本和病变宫颈细胞训练样本；(1‑2)灰度化：将宫颈细胞图像预处理为灰度图像块，并将宫颈细胞图像中的彩色图片转化为灰度图像，然后把得到的灰度图像尺寸归一化为32*32的灰度图像块；2)构建卷积神经网络层：构建一个具有自适应识别分类功能的包括加入BN算法的改进卷积神经网络，改进卷积神经网络为一个多层的神经网络，通过可训练的卷积核作为滤波器，对图像进行逐层滤波，并将每一层滤波结果进行自动组合，最终自动提取出对分类最有利的特征，提取完特征之后，从所有特征参数中根据分类类别不同，进行参数分类，之后对不同类别之间的特征参数进行组和合训练和识别，并根据识别结果的不同，调整训练特征向量，当根据本次特征参数组合获得的识别结果小于之前的识别结果时，则根据现有的特征向量，添加或删除相应的特征参数，以期再次识别时获得更高的识别率；(3)构建二分类器：将步骤1)得到的正常宫颈细胞训练样本和病变宫颈细胞训练样本输入改进卷积神经网络，改进卷积神经网络被训练为能够识别正常宫颈细胞和病变宫颈细胞的二分类器；(4)得到识别结果：将待测试的宫颈细胞图片输入改进卷积神经网络，改进卷积神经网络自动进行识别、归类。